内容
问：
机器学习可以处理哪些业务问题？
A：
在LeanTaaS，我们的重点是使用预测分析，优化算法，机器学习和模拟方法来释放卫生系统中稀缺资产的容量–由于卫生保健固有的高可变性，这是一个具有挑战性的问题。
解决方案必须能够生成足够具体的建议，以使第一线每天做出数百项切实的决定。工作人员必须有信心，除了从患者数量，混合，治疗，容量，人员，设备等方面的所有变化中了解到信息之外，机器还可以处理大量数据，从而得出建议。随着时间的流逝发生。
考虑一种解决方案，该解决方案可以在正确的时间安排上为调度员提供智能指导，在该时隙中应该安排特定的约会。机器学习算法可以将实际预订的约会模式与推荐的约会模式进行比较。差异可以自动进行大规模分析，以将“缺失”归类为唯一事件，调度程序错误或优化模板偏离对齐状态并因此需要进行刷新的指示。
另一个例子是，患者可能提前，准时或延迟到达预定约会的原因有很多。通过挖掘到达时间的模式，算法可以根据一天中的时间和特定的工作日连续地“学习”守时（或不守时）的程度。这些可以合并到对最佳约会模板进行特定调整的过程中，从而使它们能够抵抗涉及患者约会的任何现实世界系统中不可避免的冲击和延迟。